Exclusive: Mirendil inks $100M+ Google Cloud deal to scale self-improving AI
El laboratorio de inteligencia artificial Mirendil ha firmado una asociación multianual con Google Cloud para obtener capacidad de cómputo para su investigación en IA auto-mejorable, según ha podido saber TechCrunch en exclusiva. Este acuerdo refleja dos tendencias que están moldeando la industria de la inteligencia artificial: los gigantes de la nube están cortejando a las startups con compromisos de infraestructura masivos, y las empresas de IA están asegurando tantos acuerdos de cómputo como pueden para garantizar el acceso a medida que escalan.
El acuerdo, valorado en más de $100 millones, fue confirmado por Behnam Neyshabur, cofundador y CEO de Mirendil. Esto representa aproximadamente la mitad de lo que Mirendil recaudó en su financiación inicial a una valoración de $1 mil millones a finales de junio.
El acuerdo proporciona a la startup acceso tanto a las TPUs de Google como a las GPUs de Nvidia, así como a clusters de entrenamiento gestionados con los que Mirendil trabajará en su IA auto-mejorable. La startup espera que su IA eventualmente pueda asumir el trabajo de un laboratorio de IA de frontera completo.
La IA auto-mejorable, también conocida como mejora recursiva, se refiere a sistemas de IA que se mejoran iterativamente a sí mismos. Es un concepto en el que grandes laboratorios como Anthropic, de donde provienen los cofundadores de Mirendil, han estado trabajando. Un puñado de startups como Recursive Superintelligence y Ricursive Intelligence también han surgido recientemente para lograr ese objetivo.
Mirendil cree que este proceso automatizará gran parte de la investigación científica y de IA, ayudando a los científicos a avanzar en campos como la medicina, la biología y la ciencia de materiales. Neyshabur piensa que la IA puede imitar cómo los científicos humanos pueden aprender más sobre nuevos dominios, acumular conocimiento y experiencia, y mejorar gradualmente su rendimiento. «Puedes tener una IA auto-mejorable donde le apuntas un problema y sigue mejorando con el tiempo», dijo.
Entrenar IA auto-mejorable, sin embargo, requiere enormes cantidades de poder de cómputo. El cofundador del laboratorio, Harsh Mehta, dijo que el entrenamiento se trata cada vez más de igualar las cargas de trabajo correctas con el hardware correcto. «Estos modelos son realmente buenos para trabajar con diferentes cargas de trabajo y chips, y asignar las cargas de trabajo correctas a los chips correctos», dijo Mehta. «[Google] proporciona múltiples tipos de chips… Esta flexibilidad nos permite, en última instancia, mezclar y combinar cargas de trabajo con el tipo correcto de aceleradores, y luego reducir el costo no solo para nosotros, sino también para nuestros clientes que usan nuestros sistemas.»
Esa flexibilidad es central para la propuesta de infraestructura de IA de Google. Amin Vahdat, vicepresidente senior y tecnólogo jefe de IA e infraestructura en Google, dijo en un comunicado que el avance de la IA ya no se trata solo del rendimiento a nivel de chip, «sino de cómo orquestamos sistemas enteros de inteligencia y rompemos las limitaciones físicas del escalado.»
Neyshabur dijo que el software y la capa de sistemas de Mirendil ayudan a los clientes a obtener más del hardware de Google, dando al gigante de la nube otra ventaja potencial en la carrera contra su competencia. A cambio, Google obtiene un socio estratégico que construye IA auto-mejorable de frontera recursiva, tecnología que eventualmente puede ofrecer a clientes empresariales.